谷歌声称机器学习软件可比人类设计更好的芯片遭受质疑[谷歌]？

3月28日 消息:此前，一篇由谷歌主导并发表在《自然》杂志上的研究论文，声称机器学习软件可以比人类更快地设计出更好的芯片，不过在一项新的研究对其结果提出质疑后，该论文受到了质疑。

2021年6月，谷歌因开发基于强化学习的系统受到很大的关注，该系统能够自动生成优化的微芯片平面图。这些计划决定了芯片内电子电路块的排列:CPU和GPU内核、内存和外围控制器等实际上位于物理硅芯片上。

谷歌表示，它正在使用这款人工智能软件设计其自主研发的TPU芯片，以加速人工智能工作负载:其正在利用机器学习使其其他机器学习系统运行得更快。这项研究得到了电子设计自动化社区的关注，他们已经开始将机器学习算法整合到他们的软件套件中。

如今，谷歌声称的比人类更好的模型受到了加州大学圣地亚哥分校（UCSD）的一个团队的挑战。在计算机科学与工程教授安德鲁·康格(Andrew kang)的带领下，该团队花了几个月的时间对谷歌之前的论文进行了验证。这所大学的学者最终发现，他们自己创造的原始谷歌代码进行电路训练(CT)，结果实际上比使用传统工业方法和工具的人类表现得更差。

是什么导致了这种差异?UCSD团队了解到谷歌使用了由电子设计自动化（EDA）套件的主要制造商Synopsys开发的商业软件，创建了芯片逻辑门的启动安排，然后其强化学习系统进行优化。谷歌论文确实提到，在模型生成布局后，使用了行业标准的软件工具和手动调整，主要是为了确保处理器能按预期工作，并最终完成制造。谷歌人认为，无论平面图是由机器学习算法创建的，还是由人类使用标准工具创建的，这都是必要的一步，因此其模型值得称赞，因为优化了最终产品。

然而，加州大学圣地亚哥分校的团队表示，谷歌论文中并没有提到预先使用EDA工具来为模型迭代准备布局。

对此，谷歌论文的主要作者Azalia Mirhoseini和Anna Goldie反驳表示，UCSD团队的工作并不是他们方法的准确实现。他们指出，康格教授的团队得到的结果更差，因为他们根本没有在任何数据上预先训练他们的模型。康格教授的团队也没有使用与谷歌相同的计算能力来训练他们的系统，并表示这一步骤可能没有正确执行，从而削弱了模型的性能。

然而，加州大学圣地亚哥分校的研究小组表示，他们没有预先训练他们的模型，因为他们无法访问谷歌的专有数据。然而，他们声称，他们的软件已经得到了这家互联网巨头的另外两名工程师的验证，这两名工程师也是《自然》杂志论文的共同作者。

另外，一位被解雇的谷歌人工智能研究人员声称，这家互联网巨头的研究论文是在当时价值1.2亿美元的“一笔潜在的大型云交易”的背景下完成的。